基于卷积神经网络的QR码定位算法研究

发布时间：2017-04-13 04:01

  本文关键词：基于卷积神经网络的QR码定位算法研究，，由笔耕文化传播整理发布。

【摘要】：随着移动拍照设备的普及,作为摄像头获取外界数据绝佳媒介的条形码在全世界范围内得到了广泛应用。QR码作为条形码的一种,由于其相对于传统条形码突出的编码、容错、抗干扰等能力,成为了目前最受欢迎、应用最广的条码之一。然而随着目前QR码应用场景的复杂化,QR码的识别难度也随之增加,传统的QR码识别算法已经难以满足人们的日常使用需求。为了提升各种应用场景下QR码的识别成功率和识别速度,在对图片进行解码之前,需要一个健壮、高效的QR码定位算法来提取出尽可能精确的QR码候选区域并进行必要的校正处理。本文针对QR码定位这一环节,提出了一种基于卷积神经网络的QR码定位算法,该算法能够在各种复杂环境中快速准确定位QR码的位置。算法的核心步骤如下：首先,将预处理后的二值图利用滑动窗口技术切分成若干个候选块,并依次送入训练好的卷积神经网络中进行识别分类,找出所有的归属于QR码的候选块组成候选区,完成QR码的预定位。其次,针对上述QR码候选区,本文基于QR码定位图案的比例特征,给出了一种具有一定容错能力的QR码定位图案快速查找算法,完成QR码的精确定位。实验结果表明,本文提出的定位算法,在时间效率和定位成功率上都取得了很好的效果,并且相对于其他基于图片纹理特征的QR码定位算法,本文的定位算法具有更强的普适性和稳定性,在各种复杂应用环境中都能获得较好的定位效果。
【关键词】：QR码定位 卷积神经网络 计算机视觉 图像处理 模式识别
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.44;TP183
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-16
• 1.1 课题研究背景与意义10-12
• 1.2 本文的主要工作和难点12-14
• 1.2.1 本文的主要工作12-13
• 1.2.2 本文的难点13-14
• 1.3 本文的结构安排14-15
• 1.4 本章小结15-16
• 第2章 相关技术综述16-30
• 2.1 QR码简介16-18
• 2.2 QR码定位算法的国内外研究现状18-21
• 2.3 图像预处理技术21-24
• 2.3.1 图像灰度化21-22
• 2.3.2 图像二值化方法22-24
• 2.4 卷积神经网络24-28
• 2.4.1 卷积神经网络的特点24-25
• 2.4.2 卷积神经网络的一般结构组成25-28
• 2.4.3 卷积神经网络的应用28
• 2.5 本章小结28-30
• 第3章 基于卷积神经网络的QR码定位算法30-44
• 3.1 定位算法整体流程30
• 3.2 图像预处理30-32
• 3.3 滑动窗口生成候选块32-33
• 3.4 候选块过滤筛选33-34
• 3.5 基于卷积神经网络的QR候选块识别算法34-39
• 3.5.1 QR码局部候选块数据集34-36
• 3.5.2 卷积神经网络的结构36-37
• 3.5.3 卷积神经网络的训练结果及分析37-39
• 3.6 候选块的连通合并39
• 3.7 QR定位图案查找及精确定位39-43
• 3.8 本章小结43-44
• 第4章 实验结果与分析44-51
• 4.1 开发测试环境44
• 4.2 QR码图片数据集44-45
• 4.3 实验结果及分析45-50
• 4.3.1 算法的定位效果及分析45-48
• 4.3.2 算法的定位速度及分析48-50
• 4.4 本章小结50-51
• 第5章 总结与展望51-54
• 5.1 总结51-53
• 5.2 展望53-54
• 参考文献54-59
• 附录59-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺

本文编号：302727